基于超图卷积的跨交通方式客流联合预测模型

大城市多种交通方式交织形成了彼此互通的客流网络,而跨交通方式客流之间的时空关联关系错综复杂,需要客流联合预测来解析整体出行规律,这对实现跨交通方式客流无缝衔接出行至关重要。针对跨交通方式客流网络,引入跨交通方式超图关联矩阵刻画公交和地铁的客流超图网络之间关联关系,提出一种基于双模时空超图卷积网络(BSTHCN)的跨交通方式客流联合预测模型。具体来说,模型由3部分组成:输入模块、时空卷积模块(包括时间卷积和空间卷积)和输出模块,可同时捕捉公交、地铁站点和线路的客流特征,以及两种客流网络之间换乘客流特征。最终,模型可识别提取重要信息特征,并进行特征聚合和分配。实证分析结果表明,相对于经典预测模型而言,BSTHCN具有更优的预测精度,以预测1h后的客流为例,在公交和地铁数据集上的平均绝对误差(MAE)指标至少分别减小了8.93%和8.10%,均方根误差(RMSE)指标至少分别降低了10.64%、7.47%。且BSTHCN的参数量和模型运行时间均在合理范围内,相比于时空卷积网络(S-TGCN)和扩散卷积递归神经网络(DCRNN),BSTHCN在实现更精准预测的同时,运行时间仅增加了4.82%。综合来看,BSTHCN显示出较强的竞争力。消融实验结果则进一步表明,BSTHCN在引入超图并考虑跨交通方式关联后,可更好地反映客流网络中的局部与整体特征,提升客流预测的精度。